Persona

一支麦克风就能驱动 Live2D 模型的嘴和 VRM 虚拟形象 的元音口型。它不依赖面部捕捉：没有摄像头或手机时照样能用，有面部捕捉时则和它融合在一起

设置位于 捕捉 里摄像头追踪下方的口型同步区块。它是应用级设置，不随场景切换，Web 控制台 的捕捉页改的也是同一份。声音只在这台电脑上处理：不会从扬声器播放，也不会经由 插件 API 发送——插件读得到的是音量和元音读数，而不是声音本身

配置

1. 在口型同步区块打开启用口型同步，它默认关闭。macOS 第一次会询问麦克风权限
2. 在麦克风里选默认麦克风，或者指定的输入设备
3. 对着麦克风说话，看输入电平和 A、I、U、E、O 五个元音指示条是否跟着动，需要时再调整 电平
4. 每个形象自己的捕捉区块里，麦克风口型同步 默认是始终，所以总开关一打开，场景里的形象就开始对口型

麦克风

默认麦克风跟随系统的默认输入设备，也可以指定一支麦克风。列表里是运行 Persona 的那台电脑上的输入设备——在 Web 控制台里也一样，不会列出浏览器所在设备上的麦克风。已安装的虚拟音频设备会和普通麦克风一样出现在列表里。这一行下方显示实际正在采集的设备名

选中的麦克风找不到时，Persona 不会自动切换到其他麦克风：列表显示不可用的麦克风，状态变为不可用，直到你换一支或者点重试

Persona 不会把麦克风的声音回放给你听（没有监听功能），也不会直接采集电脑自己播放出来的声音

电平

噪声门比较的是加过增益之后的电平。高于噪声门的那一段——从噪声门一直到满刻度——对应嘴从闭合到全开，所以嘴总是张着时，调低输入增益或调高噪声门；说话时嘴几乎不动，就反过来调。三项改动都立即作用于正在进行的分析；换麦克风或者打开口型同步则会重新开始采集

状态与指示条

启用口型同步旁边显示当前状态：

口型同步开启时，设置下方显示输入电平和 A、I、U、E、O 五个元音指示条。指示条是相似度权重而不是概率：含糊的发音可能让两个同时升起，不像任何元音的声音会让它们回落，而嘴仍按音量张开

采集会在三种情况下停下并显示不可用：麦克风权限被拒绝（先在系统设置里允许 Persona 使用麦克风）、选中的麦克风不存在或被拔出，或者音频分析器无法启动。重试会用同一支麦克风重新开始采集

校准声音

麦克风正在采集时，声音配置一行显示这支麦克风的情况：有自己的校准就显示已针对〈麦克风〉校准，否则显示默认配置。状态为正在监听时，校准声音…才能点

对话框列出 A、I、U、E、O 和背景噪声六项，每项都附有发音提示：

1. 用平时说话的音量、和麦克风平时的距离，点一项的录制，把这个音平稳地持续两秒；背景噪声那一项则保持安静、正常呼吸
2. 录好的一项会打勾，按钮变成重试，可以单独重录。元音必须高于噪声门才算数，背景噪声没有音量要求。没录好时，对话框会提示「声音太小。请以高于噪声门限的音量发声后重试。」或「采集的音频不足。请保持发声平稳后重试。」，并保留上一次成功采集的校准数据
3. 六项都录好后点预览配置，草稿立即生效。依次发 A、I、U、E、O，对应的指示条应当最高，场景里形象的嘴也会跟着变。哪个音被混淆就重录它，再预览一次
4. 点保存配置保存。取消或关闭对话框会丢弃草稿，恢复之前保存的配置或内置配置

这支麦克风已有校准时，对话框会载入已有的校准数据，只重录一个元音即可，不必六项全部重来。关闭口型同步、切换麦克风、采集出错或点重试，都会丢弃尚未保存的校准数据

配置按实体麦克风保存，每支一份，开始采集时自动载入所选麦克风的那一份。重置配置只在当前麦克风有校准时出现，它删除这支麦克风的校准、回到内置配置，其他麦克风的配置不受影响。选默认麦克风时，Persona 会尽量找出它实际对应哪一支麦克风；找不出来时，请先选一支具体的麦克风再校准

没有校准时使用内置的起始配置，也就是那一行显示的默认配置。这套配置不一定适合你的声音和麦克风。如果元音识别不准确，请用自己的声音重新校准。不支持导入 MotionSync 配置

麦克风口型同步

每个形象可以各自决定要不要跟着麦克风动。选中图层后，它详情里的捕捉区块有一项麦克风口型同步，使用在捕捉中配置的麦克风：

始终遇上实时面部捕捉时，Persona 按平滑后的音量在两者之间融合：安静时嘴完全保留捕捉到的动作，无声的哈欠、下巴动作和唇形都在；一开口，麦克风的元音就逐渐接管。没有实时人脸时，嘴完全交给麦克风，捕捉保持住的最后姿态不会混进来

新添加的形象和旧场景里的形象都默认为始终，但启用口型同步默认关闭，所以打开总开关之前什么都不会动。这个模式属于场景里的这一个实例，随场景保存：同一个模型的两份拷贝可以用不同的模式，参数绑定 则仍属于模型本身

驱动模型

Live2D

不需要新的附属文件。麦克风的数值叠加在常规的嘴部输入上——MouthOpen、MouthSmile、JawOpen，以及 ARKitJawOpen、ARKitMouthClose、ARKitMouthFunnel 和 ARKitMouthPucker——所以模型原有的嘴部绑定照常工作。张嘴程度在元音口型和音量之间连续融合，遇到辅音时口型不会突然切换

模型在 .model3.json 里声明的 LipSync 参数组，也就是 模型信息 里口型同步一行列出的那些参数，只要没有被哪条绑定驱动，就会直接收到音量——所以嘴部参数名不标准的模型不绑定也能动。模型有逐个元音的口型参数时，在参数里把 VoiceA…VoiceO 绑上去

动作自带的音频或经由 插件 API 播放的语音 播放期间，嘴由它们驱动，麦克风让位

VRM

A、I、U、E、O 分别驱动 aa、ih、ou、ee、oh 这几个 表情，权重是音量乘以该元音的份额。一个元音预设都没有、但有 ARKit jawOpen 表情的模型，改为按音量张开下巴。口型效果取决于模型提供的表情

和实时面部捕捉融合时，元音预设与相冲突的 ARKit 嘴部表情按音量交接。麦克风写入的权重每帧结束时都会复原，不会残留在捕捉保持住的姿态里

语音输入

参数绑定 编辑器的嘴巴分组里还有 12 个语音输入，Live2D 和 VRM 的绑定都能用：

VoiceVolumePlusMouthOpen 和 VoiceFrequencyPlusMouthSmile 这两个组合输入相加后可能超出上表的范围，由绑定自己的范围截断。没有实时人脸时，它们只取声音那一半，丢失人脸后保持住的姿态不会加进来。麦克风没有作用于这个形象时（口型同步关闭、模式为关闭，或面部捕捉不可用时正把嘴留给实时人脸），它们只剩面部捕捉那一半，所以基于组合输入的绑定照样跟着面部捕捉走

导入

.vtube.json 里的这些输入名不区分大小写

Persona 用自己的方式分析声音，同一段声音在这里得到的音量和元音识别，可能与 VTube Studio 不同

自动化

自动化 的麦克风音量触发条件共用这里的麦克风、输入增益、噪声门和平滑。它在启用口型同步关闭时也能工作，只是不会动任何形象的嘴

自动化的 播放音频 操作也能用文件驱动嘴型：把它的驱动口型同步设成某个虚拟形象，Live2D 或 VRM 都行，文件播放期间这个虚拟形象的嘴就跟着它动，麦克风让位。分析使用内置的声音配置，而不是麦克风的校准数据，读取的是调整音量和淡入淡出之前的声音，也不会打开麦克风。多个文件同时驱动同一个虚拟形象时，以最后开始播放的为准；都停下后，麦克风和面部捕捉重新接管